Core Concepts
高次元システムでのRoA推定において、Morse Graphsを活用したMORALSアプローチはデータ効率的で有望な結果を示す。
Abstract
ロボットコントローラーのRoA推定が重要
Morse Graphsとauto-encodingニューラルネットワークを組み合わせたMORALSアプローチが提案される
高次元システムにおけるデータ効率的なRoA推定方法を示す実験結果が報告される
Abstract
RoA推定は安全なコントローラーアプリケーションに不可欠
Morse Graphsとauto-encodingニューラルネットワークを組み合わせたMORALSアプローチが提案され、高次元システムでのデータ効率的なRoA推定を可能にすることが示唆される
Introduction
コントローラーのRoA推定はタスク解決や安全性向上に役立つ
Morse Graphsとauto-encodingニューラルネットワークを使用したMORALSアプローチが紹介される
Data Collection and Network Training
システムからのデータ収集とニューラルネットワークのトレーニング手順が説明される
Morse Graph Computation in Latent Space
学習済み潜在空間内でのMorse Graph計算手法が詳細に説明される
Regions of Attraction Estimation
RoAs推定手法とその有用性に関する情報が提供される
Experimental Evaluation on Various Systems and Controllers
Pendulum、Cartpole、Humanoid、TriFinger Robot Handなどへの実験結果が報告され、各システムでの精度やデータ効率性が評価される
Stats
この論文では、67-dim humanoid robotや96-dim 3-fingered manipulatorなど、高次元システムでの実験結果から得られた数値データは含まれていません。